故障诊断技术是保证工业生产部门及能源、交通等行业中各种大型、重要设备的安全稳定运行的一项多学科综合的工程应用技术。首先介绍了现代故障诊断技术的研究现状,特别是各种智能诊断技术的现状和存在的不足。智能诊断技术一般是通过智能方法将大量已知故障样本信息作为知识存储起来,用于对设备未知的状态进行诊断。在实际应用中,典型故障数据样本的缺乏、故障样本信息的获取困难和知识的表达困难是制约故障智能诊断技术发展的重要原因。　　研究了基于行为的故障诊断方法,该方法能够在对设备的监测诊断过程中通过自主学习不断地提高诊断系统的诊断能力,从而有效避免了诊断样本信息不足对诊断系统建立的制约问题。自适应谐振理论ART2是受人类视觉系统生理学的启发而产生的能够解决“稳定性/可塑性两难问题”的自学习算法,将ART2应用于基于行为的故障诊断系统的构建中。将这种方法应用于转子的故障诊断实验中,显示出了良好的特性,验证了该方法的可行性。　　支持向量机主动学习方法能够在有限的已知样本的基础上,主动从大量候选的未标注样本集中选择最有价值的样本进行学习,最终达到较高的分类精度。对支持向量机主动学习方法在故障诊断中的应用进行了研究,表明支持向量机主动学习适合于如机械故障诊断中难以获得足够初始样本情况下的使用,具有很高的理论研究和实际应用价值。　　研究证明,具有自主学习能力的基于行为的诊断方法和支持向量机主动学习方法都为解决故障样本的不足和知识的难以获取提供了很好的途径,即解决了在难以获得足够初始样本信息、而在监测过程中能够得到大量未知状态样本信息情况下智能诊断系统的构建和分类精确度的问题。　　基于网络的远程诊断方法是诊断技术发展的一个重要方向,将各种采用不同方法、适用于不同部件的故障诊断资源通过构建远程故障诊断系统实现远程协作诊断,是实现诊断资源共享、提高诊断精度的一个重要途径。诊断客户与诊断服务方之间、有协作关系的各个诊断子系统之间的信息表示和传递是一个远程诊断系统构建中的一个重要问题,采用OSA-CBM标准和XML语言进行数据的表示,从而有效地解决了这一问题。Web Services技术的功能特性,使其成为构建这一远程诊断系统的方便途径,通过具体实例说明了构建基于Web Services的远程故障诊断系统的具体方法和步骤。